- •1. Роль и место цос и в современной радиоэлектронике. Преимущества и эффективность цос. Последовательность операций цос.
- •2. Дискретные линейные системы. Представление дискретных последова-тельностей. Нормированное время.
- •3.Дискретизация и квантование сигналов. Способы отсчета значений сигнала. Нормированная частота.
- •4. Теорема дискретизации Найквиста-Котельникова. Выбор интервала дискретизации для нестационарных процессов.
- •5. Дискретные системы. Примеры: идеальная система задержки; система без запоминания.
- •6. Дискретные линейные стационарные системы. Примеры: сумматор, система с запоминанием.
- •7. Дискретные линейные системы с постоянными параметрами. Уравнение циклической свертки.
- •9. Линейные разностные уравнения с постоянными параметрами. Пример.
- •10. Рекурсивные линейные дискретные системы. Пример. Схема.
- •11. Нерекурсивные линейные дискретные системы. Пример. Схема.
- •12. Представление дискретных систем и сигналов в частотной области. Комплексная частотная характеристика дискретных систем. Пример.
- •13. Представление кчх дискретных систем в алгебраической и в показательной форме. Расчет кчх. Пример.
- •14. Импульсная характеристика дискретных систем. Импульсная характеристика рекурсивной линейной дискретной системы. Пример.
- •15. Свойства преобразования Фурье. Теорема о периодической свертке
- •16. Расчет комплексной частотной характеристики рекурсивной системы. Пример.
- •17. Дискретизированное по времени преобразование Фурье.
- •18. Выбор подходящего класса дискретных фильтров. Сравнение бих и ких-фильтров.
- •19. Идеальные частотно-избирательные фильтры. Спецификация требований фильтра. Преимущества цф. Формула
- •20. Дискретный фильтр с конечной импульсной характеристикой. Вычисление коэффициентов ких-фильтра.
- •21. Метод весовых функций. Расчет частотной характеристики прямоугольного окна. Эффект Гиббса.
- •23. Структурная схема ких-фильтра.
- •24. Импульсная характеристика идеального фнч.
- •25. Дискретные экспоненциальные функции. Свойства функций дэф
- •26. Метод окон. Стандартные весовые функции (окна). Пример вычисления коэффициентов импульсной характеристики ких – фильтра нч.
- •27. Дискретное преобразование Фурье. Свойства дпф. Теорема о корреляции.
- •28. Соотношения двойственности преобразования Фурье.
- •29. Дпф. Свойства. Инвариантность дпф относительно сдвига по времени и частоте.
- •30.38 Вычислительнаясложностьдискретныхпреобразований: дпф, дпх, дпу-a, дкп.
- •31. Алгоритм быстрого преобразования Фурье. Алгоритм разделения входной последовательности на части. Посмотреть48
- •32. Дискретное преобразование Уолша-Адамара. Свойства.
- •33.Ортогональные преобразования. Базисные функции ядра унітарного преобразования Хартли
- •34.Цифровая корреляционная функция. Корреляционное декодирование кодових последовательностей. Пример.
- •36. Дисперсионная фильтрация сигналов и изображений. Пример.
- •37. Вычисление циклической дискретной автосвертки последовательности с помощью дпф.
- •30.38. Вычисление двумерных преобразований. Вычислительная сложность двумерных преобразований. Пример.
- •39.Фурье-образ прямоугольного окна. Пример.
- •41. Устойчивость линейных дискретных систем.
- •43. Дискретное преобразование Фурье. Свойства. Симметричность дпф. Теорема о свертке.
- •44. Сжатие изображений. Статистические характеристики изображений.
- •45. Пороговая фильтрация коэффициентов преобразования Уолша-Адамара. Пример.
- •46. Описание границ объектов на изображениях посредством преобразований. Пример.
- •47. Оценка вычислительной сложности бпф. Выигрыш в вычислительной сложности бпф.
- •48. Структурная схема процессора для вычисления n-мерного сигнала. Пример бпф с прореживанием по времени
- •49. Дисперсионный принцип фильтрации трансформант. Пример.
- •50.Алгоритс бпф с прореживанием по времени.
- •51. Вычисление двумерной функции распределения трансформант.
- •52. Компрессия изображений посредством дкп. Пример.
25. Дискретные экспоненциальные функции. Свойства функций дэф
В
Цос используется экспоненцианальная
функция
где Т –период дискретизации
Нормированная
частота:
Дискретные
экспоненциальные функции определяется
значением дискретного времени n.
W-непрерывная
величина, т.к она получается из выражения
ДЭФ
переодична
если период Т=2П
26. Метод окон. Стандартные весовые функции (окна). Пример вычисления коэффициентов импульсной характеристики ких – фильтра нч.
Простейший метод разработки КИХ-фильтров называется оконным методом. Как правило, он начинается с задания идеальной КЧХ, которая может быть записана как:
где
hd[n]
— соответствующая импульсная
характеристика со следующей зависимостью
от
:
Многие идеализированные системы имеют кусочно-постоянную или кусочно-непрерывную КЧХ с точками разрыва в граничных точках между критичными полосами частот. В результате импульсная характеристика таких систем недетерминирована и бесконечна. Большинство прямых способов получения детерминированной КИХ-аппроксимации систем заключается в обрезании идеальной импульсной характеристики. Формулу (7.49) можно представлять себе как ряд Фурье периодической КЧХ , где члены последовательности hd[n] играют роль коэффициентов этого ряда.
Простейший
способ проектирования детерминированного
КИХ-фильтра на основе
заключается
в определении новой системы с импульсной
характеристикой
которую
можно записать в более общем виде как
произведение идеальной импульсной
характеристики и конечного «окна»
В случае простого усечения, определенного формулой (7.51), окно имеет вид прямоугольника (прямоугольное окно):
7.53
Теорема о преобразовании Фурье произведения (см. подраздел 2.10.7) говорит о том, что:
И
—
периодическая свертка желаемой идеальной
КЧХ с Фурье-образом окна, так что КЧХ
— «смазанная» версия идеальной
характеристики
.
На рис. 7.18, а) показаны графики типичных
функций
и
,
фигурирующих в интеграле (7.54).
Рис 7.18 а) процесс свертки, обеспечивающий усечение идеальной импульсной характеристики; б) типичная аппроксимация, получающаяся оконным методом, из идеальной импульсной характеристики
Если
w[n]
= 1
для всех n
(т.е. усечения вообще не происходит),
— -периодическая цепочка импульсов и,
следовательно,
Следовательно, если Фурь-образ
окна сконцентрирован в узкой полосе
частот, окружающих
,
то КЧХ
«похожа» на идеальную почти всюду, за
исключением окрестностей точек разрыва
.
В связи с этим при выборе окна
руководствуются двумя соображениями:
во-первых, оно должно быть достаточно
коротким для обеспечения небольшого
объема вычислений при реализации
фильтра; а, во-вторых, Фурье-образ окна
должен быть сконцентрирован в узкой
полосе частот, чтобы свертка (7.54) как
можно более точно воспроизводила
идеальную КЧХ. В противоречивости этих
условий легко убедиться на примере
прямоугольного окна (7.53), где
График
модуля функции
при M=7
изображен на рис. 7.19. Заметим, что
в случае прямоугольного окна обладает
обобщенной линейной фазой.
При возрастании М ширина «главного лепестка» уменьшается. Главный лепесток Фурье-образа окна обычно определяется как область между ближайшими к началу координат точками пересечения его графика с горизонтальной
координатной
осью (см. рис. 7.19). Если окно имеет
прямоугольную форму, то ширина главного
лепестка равна
.
Однако в этом случае боковые лепестки
получаются довольно большими, и,
фактически, при возрастании М
всплески амплитуды главного и боковых
лепестков растут, а их ширина сокращается;
причем площадь, которую они ограничивают,
сохраняется постоянной. Следовательно,
в окрестности точек разрыва идеальной
КЧХ свертка
сильно осциллирует, что легко увидеть
на рис. 7.18, б). Так как площадь под каждым
лепестком остается постоянной, то при
росте М
колебания будут становиться все более
резкими, но неуменьшающимися по амплитуде.
И
з
теории рядов Фурье известно, что
неравномерность сходимости, приводящая
к эффекту Гиббса, может быть уменьшена,
если использовать менее резкое усечение
ряда. Сглаживая вертикальные границы
окна, можно уменьшить высоту боковых
лепестков, однако это приводит к более
широкому главному лепестку и, тем самым,
к более широкой переходной полосе в
окрестности точек разрыва.
Графическое представление:
С
тандартные
окна и их св-ва.
Б
арлетта:
7.57
Х
еннинга:
7.58
Х
емминга:
7.59
Б
лекмана:
7.60
В
главе 10 мы увидим, что окна, определенные
формулами (7.5б)-(7.60), обычно используются
как в спектральном анализе, так и при
проектировании КИХ-фильтров, что
обусловлено их замечательными свойствами:
во-первых, Фурье-образ окон сконцентрирован
в окрестности частоты
,
а во-вторых, он описывается простыми
формулами, что сильно упрощает вычисления.
Фурье-образ окна Барлетта выражается
как произведение преобразований Фурье
прямоугольных окон, а Фурье-образ
остальных — как сумма сдвинутых по
частоте копий Фурье-образа все того же
прямоугольного окна.
0 дБ
на первый отсчёт приводит к тому, что
это значение начальная частота 0.
-10 дБ
Изображение
окна Хеминга.
-50 дБ
2π/N
3π/N
4π/N
5π/N
6π/N
Пример: fc=1500Гц, ωс=2π/500 рад/с, затухание -50дБ, fд=8000 кГц.
1)
Вычислим нормированное значение ширины
полосы перехода фильтра:
2)
Ширена полосы перехода фильтра с весовой
ф-цией Хеминга и число коофицентов
импульсной х-ки фильтра N
связных соотношений:
3)Вычисляем
значения отсчётов функции окна Хэминга
.
Для удобства вычисляемое окно задано
на интервале
;
4)
Проектируемый идеальный ФНЧ имеет
коофицент:
5)
В следствие эффекта размывания идеальной
частотной харатерристики, вносимого
весовой функцией, частота среза реального
фильтра будет отличаться от представленной
в спецификации.
6) Поскольку выбранная весовая функция и импульсная характеристика обладают симметрией относительно n=0 то необходимо вычислить только половину коофицентов импульсной характеристики.
7) Вычислим несколько значений коофицентов импульсной характеристики реального фильтра:
n=0:
а)
n=26:
а)
б)
б)
в)
в)
n=1:
а)
б)
в)
